MétaCan
Menu
← Retour à la cohorte
Enregistrement W3125680181

Do Privatized Banks in Middle- and Low-Income Countries Perform Better than Rival Banks? An Intra-Industry Analysis of Bank Privatization

2005· article· en· W3125680181 sur OpenAlexaff
Isaac Otchere

Notice bibliographique

RevueSSRN Electronic Journal · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésRestructuringBusinessFinancial systemGovernment (linguistics)Monetary economicsCarry (investment)Stock (firearms)FinanceEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents a comprehensive analysis of the pre- and post-privatization operating performance and stock market performance of privatized banks and their rivals in middle- and low-income countries. First, we find that privatization announcements elicit negative abnormal returns for rival banks. The effects are more pronounced for subsequent tranche sales where the proportion of government ownership in the privatized bank is reduced. Second, we observe that the privatized banks underperformed the benchmark index in the long run. Investors who bought shares of the privatized banks on the first day of trading and held them for 5 years (instead of investing in the market index) lost 24% of their wealth. The underperformance is consistent with the negative long run returns that have been documented for initial public offerings. Third, we document marginal improvements in the post-privatization operating performance of the privatized banks. Though the privatized banks in middle- and low-income countries are better capitalized than rival banks, they carry higher problem loans and are overstaffed relative to other private banks in the post-privatization period. Since most of the sample firms are partially privatized, we submit that perhaps the continued government ownership of the privatized banks might have hindered managers' ability to restructure the firms.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetCorporate Finance and Governance→Travaux en français237 207→